word count的reduce过程以及项目打包部署

　　map过程已经写完了，上面那个流程我们涉及到了泛型以及序列化，我们要知道每个参数代表的含义，这样有助于我们理解整个流程。

下面我们开始reduce，这个过程我们要把map输出的键值对把key值相同的放在一起，具体的流程我们看代码：

package MR.wc;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * <KEYIN, VALUEIN, KEYOUT, VALUEOUT>
 * KEYIN, VALUEIN这两个参数是map段输出的值，就是之前的key，value键值对（Text, IntWritable）
 * KEYOUT, VALUEOUT这两个参数是我们要输出的数据格式，比如（“hello",5）,("Hadoop",1)等等等等
 * Reduce类中有一个迭代器，会循环获取数据
 * */
//继承Reducer类
public class wcReduce extends Reducer<Text, IntWritable,Text,IntWritable> {
    /**
     * 重写reduce方法
     * Text key：就是读取进来的每一个单词（比如：hello）
     * Iterable<IntWritable> values hello这个key里面所有的value值（1，1，1，1，1）
     * */
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        int sum=0;
        //对values做迭代累加
        for (IntWritable value : values) {
            //把IntWritable转成int值累加
            sum+=value.get();
        }
        //通过上下文输出
        context.write(key,new IntWritable(sum));
    }
}

然后我们再写驱动类，这个类基本是一些固定的写法：

package MR.wc;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class wcDriver {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        //设置文件输入路径，也是就我们要读取的那个文本文件路径（第一个参数）
        //第二个参数是我们的输出路径
        String[] path=new String[]{"/word.txt","/output007"};
        //设置配置文件
        //获取配置文件对象
        Configuration conf  = new Configuration();
        //这里我们可以使用Windows环境里面的hadoop去运行，但是现在我们先把它放到集群上，所以要先配置集群资源
        /**
         * 配置conf对象，要根据/opt/module/hadoop-2.8.4/etc/hadoop/core-site.xml 这个文件里面的去配置
         *     <property>
         *             <name>fs.defaultFS</name>
         *         <value>hdfs://bigdata101:9000</value>
         *      </property>
         *      */
        conf.set("fs.defaultFS","hdfs://bigdata101:9000");//设置集群资源地址
        //1,加载任务
        Job job = Job.getInstance(conf);

        //2,设置任务的驱动类（jar加载路径）,通过反射获取
        job.setJarByClass(wcDriver.class);

        //3，设置map程序信息
        job.setMapperClass(wcMapper.class);
        job.setMapOutputKeyClass(Text.class);//设置输出的key类型,map阶段的输出key类型
        job.setMapOutputValueClass(IntWritable.class);//设置输出的value类型，map阶段输出的value类型

        //4,设置reduce程序信息
        job.setReducerClass(wcReduce.class);
        job.setOutputKeyClass(Text.class);//reduce阶段输出的key类型
        job.setMapOutputValueClass(IntWritable.class);// reduce阶段的value类型

        //5,设置输入路径和输出路径
        FileInputFormat.setInputPaths(job,new Path(path[0]));
        FileOutputFormat.setOutputPath(job,new Path(path[1]));

        // 6,提交任务
        boolean res=job.waitForCompletion(true);
        System.exit(res?0:1);

        System.out.println(res?"执行成功":"执行失败");

    }
}

现在整个流程就写完了。写完以后我们先在集群上跑一下试试效果。先打一个jar包：

IDEA 右边：

运行完以后我们可以在左边看见打好的jar包：

把这个jar包拖到桌面上，改一下名字：wordDemo.jar

然后打开三台虚拟机，在namenode上启动hdfs：start-dfs.sh

在102上启动yarn：start-yarn.sh

启动完毕以后我们先手动建一个文件：vim word.txt

写入数据：

hello world
hello scala
hello spark
hello hadoop
hello mr

保存推出。然后把这个文件放到hdfs根目录上：hdfs dfs -put word.txt /

现在我们把jar包上传到Linux上：

上传完毕以后是这样：

这个文件我们没有执行权限，给他授权：chmod 755  wordDemo.jar

然后就绿了：

绿了以后就可以使用Hadoop命令执行这个文件了，执行的时候我们要用到这个文件驱动的全类名，我们提前把路径复制下来：

然后执行：hadoop jar wordDemo.jar MR.wc.wcDriver

我们打开浏览器，输入yarn的地址：http://192.168.53.102:8088/，可以看见作业运行的信息：

运行完以后，我们再打开一个网页窗口，输入hdfs地址：http://192.168.53.101:50070/，可以看见我们指定的那个文件已经生成了（我们每次运行的时候都会新生成一个文件）：

我们给他打开：

点击part开头的文件：

可以把这个文件下载下来，用notepad打开：

ok，搞定。其实这里就是两个步骤，一个map，一个reduce，当然了，细心的童鞋有可能发现了这个结果还被排序了，我们在代码里面没有看见，不着急，后面会慢慢展开来说。现在对mapreduce过程应该有一个大致的了解了。现在再回去看看那个mapreduce的流程图，会稍微清晰一些。